【OpenAI】ロボットハンドとAIでルービックキューブを解く理由(論文解説)
アイブン
3Picks
コメント
選択しているユーザー
時空を超越したバーチャルで製品を鍛え
現実を見せつけ更に鍛えるAIの事例。
そこからヒントを得て視野を広げてみる。
次のレイヤーは、
製品を鍛える環境を鍛えるAI。
バーチャルなシミュレーションモデルの方を鍛えるAI
現実世界の細部に宿る真理をAIに捉えさせて、何とかして定着させたい。シミュレーション環境に自然法則を どんどん加えたい。
記事の中で、徐々に難易度を上げていくとあったが、この場合シンプルでクリーンな物理モデルからダーティなモデルへとステージを進めるイメージか。
やはり、学習コストは無視できない。
AIにもキャリアパスが必要。生き様が必要。
視覚だけで習熟するのか、どんなセンサーが将来性に富んでるか、見極めが肝要。
それは製品のレベルアップに限らず、シミュレーション環境のレベルアップと双方に関わって来て、コストと難易度(根性消費→ゼロになると途中でギブアップ、セキュリティや品質要件はいつでも後出しジャンケンで襲いかかってくる)で競争力の差として顕れる。当にAIの生き様。好かれもするし、嫌われもする。
鍛えられたバーチャル環境で、さらにサービスや組織を鍛えるサイクルを創る。新サービスを一層迅速に投入できる開発環境を整える未来を見据え、足場を創る。
注目のコメント
"学習には膨大な量の学習データが必要ですが、物理的なシステム上でそれを取得するのは難しく、コストもかかります。そのため、すべてのデータをシミュレーションで収集する手法が注目されています。
しかし、シミュレーションは実行環境やロボットを細部まで正確に捉えているわけではないため、結果として生じるシミュレーションのデータを現実へ変換させる問題も解決する必要があります。"